Probleme, die wir gelöst haben

Ein Unternehmen, das eine KI-Plattform für viele Großkunden betreibt, brauchte Agenten, die für jeden Kunden innerhalb strikter Grenzen handeln. Jeder Kunde erhält ein eigenes, isoliertes Deployment.

Die Agenten beantworten Fragen und führen Aktionen aus, über E-Mail, Chat, Gesprächsnotizen, Kampagnenkennzahlen und CRM-Daten. Die Daten eines Kunden dürfen nie die Agenten eines anderen erreichen.

Wir haben die Agentenschicht entworfen und gebaut und den Code gemeinsam mit den Engineering-Teams des Unternehmens geschrieben.

Wir haben festgelegt, welche Agenten-Aktionen selbstständig laufen und welche auf die Freigabe eines Menschen warten. Jedes Tool, das ein Agent aufrufen kann, hat eigene Berechtigungen.

Wir haben entworfen, wie die Daten jedes Kunden getrennt bleiben, sodass die Informationen eines Kunden nie die Agenten eines anderen erreichen.

Wir haben festgelegt, wie die Plattform an die Systeme jedes Kunden anbindet, und offene Protokolle eingesetzt: für den Zugriff von Agenten auf Tools und für Agenten, die systemübergreifend arbeiten.

Die Plattform läuft in Produktion für einen globalen Großkunden. Jeder neue Kunde erhält eigene Agenten auf demselben gemeinsamen Kern, in einem isolierten Deployment.

Das Team hinter einem KI-Produkt für Verbraucher wollte seinen Assistenten für eine geschlossene Beta öffnen. Es hatte einen funktionierenden Prototyp und einen Zeitplan für den Launch, aber wenig Vertrauen in die Qualität der Antworten, die Sicherheit des Systems und seine Bereitschaft für die Regulierung. Vor der Entscheidung wollte es eine unabhängige Einschätzung.

Wir haben das ganze System geprüft, vom Eingang der Informationen bis zur Ausgabe der Antworten. Wir haben Änderungen empfohlen: wie der Assistent Informationen findet und gewichtet, wie Einwilligungen und Lizenzen für die genutzten Inhalte festgehalten werden, Schutz vor den spezifischen Risiken von KI-Assistenten, Zuverlässigkeitsziele und messbare Kriterien, die der Assistent vor dem Launch erfüllen musste.

Ein schriftliches Review und ein gestufter Vier-Monats-Plan, der in die Go/No-Go-Entscheidung des Teams für die geschlossene Beta einfloss.

Ein Healthtech-Team in der Frühphase beantragte ein öffentliches Forschungsdarlehen für ein Radarsystem, das ältere Menschen zu Hause überwacht. Bevor er Kapital zusagte, brauchte der Geldgeber unabhängige Belege, dass sich die KI-Komponenten im Zeitrahmen eines Proof of Concept demonstrieren ließen.

Wir haben nur die KI-Schicht bewertet, getrennt von den Entscheidungen zu Hardware und Software. Wir haben den Zweck des Systems so neu gefasst, dass er zu dem passte, was die Evidenz tragen konnte (Überwachung und Alarmierung, keine Diagnose). Und wir haben den Proof of Concept auf das zugeschnitten, was sich laut veröffentlichter Evidenz demonstrieren ließ.

Ein vertraulicher Machbarkeitsbericht, der das Risiko jeder KI-Komponente als gering, mittel oder hoch einstuft, ein fokussierter Validierungsplan mit messbaren Abnahmekriterien, eine Privacy-by-Design-Datenarchitektur im Einklang mit der DSGVO und ein gestufter Fahrplan für die Arbeit nach der Finanzierung.